이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

인공지능 지원 병리학자 성능 향상: 다기관, 전향적, 무작위 대조 시험

2026년 2월 6일 업데이트: Nanfang Hospital, Southern Medical University

인공 지능 모델 지원 병리학자의 임상 진단 과제 수행 능력 향상: 다기관, 전향적, 무작위 대조 임상시험

위암 진단 과정에서 병리 기반 AI 모델의 부가가치를 체계적으로 평가하기 위해 다기관, 전향적, 무작위 대조 시험을 진행할 계획입니다. 본 연구는 AI 지원 플랫폼 판독과 기존 독립적 슬라이드 판독을 진단 정확도(예: AUC), 판독 효율성(예: 진단 소요 시간 비교), 진단 보고서의 질, 진단 신뢰도(리커트 척도), AI 모델에 대한 병리학자의 만족도 측면에서 비교하는 데 중점을 둡니다. 또한 경험이 적은(주니어) 병리학자에 대해서는 우월성을, 경험이 많은(시니어) 병리학자에 대해서는 비열등성을 평가할 것입니다. 이 프로젝트의 성공적 완료는 위암 치료 경로에서 병리 AI의 표준화된 도입, 품질 관리, 그리고 더 넓은 적용을 지원하기 위한 높은 수준의 전향적 증거를 제공할 것입니다.

연구 개요

연구 유형

중재적

등록 (추정된)

1000

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

    • Guangdong
      • Guangzhou, Guangdong, 중국, 510515
        • Nanfang Hospital, Southern Medical University
    • Henan
      • Zhengzhou, Henan, 중국
        • The first affiliated hospital of Zhengzhou university

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

설명

포함 기준:

  1. 성별: 만 18세 이상;
  2. 위 점막 생검 또는 위암 수술 절제술을 받는 환자로, 디지털 병리 이미지와 임상 정보가 이용 가능한 경우.

제외 기준:

1. 분석에 필요한 데이터가 누락되었거나 품질이 부적절한 경우

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 다른
  • 할당: 무작위
  • 중재 모델: 크로스오버 할당
  • 마스킹: 하나의

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: AI 지원 그룹
이 그룹의 의사들은 AI 병리 진단 모델을 사용하여 진단을 보조해야 합니다. AI 병리 모델은 각 사례에 대해 예측된 결과를 제공할 것입니다.
이 그룹의 의사들은 AI 병리학 모델을 사용하여 진단을 보조해야 합니다. AI 병리학 모델은 각 사례에 대해 예측 결과를 제공할 것입니다.
위약 비교기: 독립 진단 그룹 (대조군)
이 그룹에서 병리학자들은 각각의 임상 경험을 바탕으로 각 사례를 독립적으로 진단하며, 진단까지 걸린 시간과 진단 확신도를 기록할 것입니다.
병리학자들은 각각의 임상 경험을 바탕으로 각 사례를 독립적으로 진단하며, 진단에 소요된 시간과 진단 신뢰도를 모두 기록할 것입니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
ROC 곡선 아래 면적 (AUC)
기간: 의사 진단 후 1주일 이내에 평가가 진행됩니다.
곡선 하 면적
의사 진단 후 1주일 이내에 평가가 진행됩니다.

2차 결과 측정

결과 측정
측정값 설명
기간
진단 시간(케이스당)
기간: 의사의 진단 직후 측정됩니다.
AI 지원 진단군과 독립 진단군의 각 케이스 진단 완료에 필요한 병리학자의 소요 시간 비교.
진단 시간은 연구 시스템에서 케이스 검토 시작부터 진단 보고서 최종 완성 및 제출까지의 기간(분/초)으로 정의됩니다.
의사의 진단 직후 측정됩니다.
진단 보고서 품질 점수
기간: 각 사례의 초기 진단 후 1주일 이내.
AI 보조 진단군과 독립 진단군의 병리 진단 보고서 품질 점수 비교. 보고서 품질은 독립적인 전문 병리학자 패널이 미리 정의된 채점 기준(예: 0-100점 척도)을 사용하여 진단 정확성, 완전성, 명확성 및 보고서 구조를 고려하여 평가합니다. 높은 점수는 더 나은 보고서 품질을 나타냅니다.
각 사례의 초기 진단 후 1주일 이내.
병리학자의 진단 확신
기간: 각각의 경우 진단 시점에.
AI 보조 진단군의 각 사례에 대한 병리학자의 자가 보고 진단 확신도를 독립 진단군과 비교한 것입니다. 진단 확신도는 진단 완료 직후 보고 병리학자가 [5]점 리커트 척도(예: 1 = 매우 불확실함 ~ 5 = 매우 확신함)로 평가합니다. 점수가 높을수록 진단 확신도가 더 높음을 나타냅니다.
각각의 경우 진단 시점에.
AI 병리 모델에 대한 병리학자들의 만족도
기간: 각 병리학자별 AI 보조 판독 기간 말에 한 번 평가됨.
병리학자들이 AI 병리 진단 모델의 사용성과 인지된 효과성 측면에서 가지는 전반적인 만족도. 만족도는 사용 용이성, 업무 흐름 통합, AI 출력의 명확성, 진단 효율성에 대한 인지된 영향, 그리고 진단 정확도 및 확신에 대한 인지된 영향을 평가하는 리커트 척도 항목으로 구성된 구조화된 설문지를 사용하여 평가됩니다. 높은 점수는 더 높은 만족도, 더 나은 사용성, 그리고 더 큰 인지된 효과성을 나타냅니다.
각 병리학자별 AI 보조 판독 기간 말에 한 번 평가됨.

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 연구 책임자: Li Liang, Nanfang Hospital, Southern Medical University

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2025년 11월 1일

기본 완료 (추정된)

2027년 6월 1일

연구 완료 (추정된)

2027년 11월 1일

연구 등록 날짜

최초 제출

2025년 12월 5일

QC 기준을 충족하는 최초 제출

2025년 12월 5일

처음 게시됨 (실제)

2025년 12월 18일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 2월 10일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 2월 6일

마지막으로 확인됨

2026년 2월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • NFEC-2025-653

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

병리학 기초 모델에 대한 임상 시험

AI 병리학 모델에 대한 임상 시험

구독하다